[發明專利]一種人臉識別方法及其系統

有效

• 申請號: 201210310643.7
• 申請日: 2012-08-28
• 公開（公告）號: CN102867173A
• 公開（公告）日: 2013-01-09
• 發明（設計）人: 徐向民;羅夢娜;郭詠詩;尹飛云;張陽東;吳丹丹
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 蔡茂略

技術領域

本發明涉及人機交互技術，特別涉及一種人臉識別方法及其系統。

背景技術

人機交互是目前國際上計算機科學研究領域中的一個熱點。在人機交互技術中，人臉識別以其作為計算機識別用戶并提供個性化服務的最便捷的方法逐步被應用于智能家居等場合?；谟嬎銠C視覺的人臉識別，其核心是利用計算機視覺，圖像處理等技術對圖像采集設備采集到的視頻序列進行處理，并對用戶進行分類，從而進行相應的響應。

在現有的人臉識別技術中，已經分別實現了對人臉進行檢測，對檢測到的人臉跟蹤，對給定的圖像或視頻序列進行人臉特征提取并與人臉庫數據進行比對從而對用戶進行識別,在此,我們把可以將這三部分模塊結合在一起的人臉識別方法稱為傳統人臉識別系統。然而，目前傳統人臉識別系統并不能把一些效果比較好的技術進行模塊的融合，因而存在如下問題：

（1）效果差。由于傳統人臉識別系統不能把人臉識別系統各個模塊進行有效地融合，傳統人臉識別系統易產生人臉跟蹤不到，跟蹤漂移，識別不出、不確定甚至出錯等問題，嚴重影響到人臉識別效果。

（2）交互性差。傳統人臉識別系統不能很好的與人進行交互。當出現人臉識別不出、不確定甚至出錯時，系統不能很好的與人進行交互，因此在識別不準確的時候系統不能及時得到用戶的反饋，性能得不到改善；甚至在識別不準確時由于系統認為自身識別正確從而用識別的結果修改系統中的原有參數（即自學習），導致系統越用越差。

（3）適應性差。傳統人臉識別系統易受光照、胡須、眼鏡、發型、表情等各種外界條件的影響，使識別率降低。因此，系統實用性不強。

發明內容

為了克服現有技術的上述缺點與不足，本發明的目的在于提供一種人臉識別方法，具有自學習功能、時空特性，抗干擾能力強。

本發明的另一目的在于提供實現上述人臉識別方法的人臉識別系統。

本發明的目的通過以下技術方案實現：

一種人臉識別方法，包括以下步驟：

S1檢測器檢測幀序列中是否有人臉；若是，進行步驟S2，若否，重復步驟S1；

S2跟蹤器對檢測到的人臉進行跟蹤；

S3收集器收集人臉圖像；

S4分析器分析收集到的人臉圖像是否為可靠樣本；若是，進行步驟S5，若否，重復步驟S2~S4；

S5分析器對可靠樣本中的目標人臉提取形狀參數和紋理參數，分別對目標人臉的形狀和紋理進行建模，通過模型融合得到目標人臉的平均臉；

S6識別器通過線性判別特征臉方法得到平均臉與人臉類庫中的最接近人臉類的匹配度C；

若C<B，則進行步驟S7；若C>A，識別用戶身份，識別結束；若B<C<A，則通過人機交互模塊要求用戶輸入名字，若用戶輸入的名字所對應的人臉類已存在人臉類庫中，進行步驟S8；否則,進行步驟S7；A、B的值由用戶根據經驗確定；

S7在線學習模塊在人臉類庫中新建一個人臉類，將目標人臉的平均臉添加到新建的人臉類中并標注用戶名，并將該人臉類傳給識別器，進行步驟S9；

S8在線學習模塊更新用戶輸入的名字所對應的人臉類，并將更新的人臉類傳給識別器；進行步驟S9；

S9識別器更新人臉類庫。

步驟S5所述分析器對可靠樣本中的目標人臉提取形狀和紋理特征，分別對目標人臉的形狀和紋理進行建模，通過模型融合得到目標人臉的平均臉，具體包括以下步驟：

S5.1對可靠樣本中的目標人臉進行描點；

S5.2對人臉的形狀進行建模：首先將描點后的人臉圖像兩兩進行Procrustes變換，得到平均形狀人臉，再通過主元分析降維得到形狀參數和形狀模型；

S5.3對人臉的紋理進行建模：先將平均形狀人臉進行delaunay三角劃分，再用分片仿射法進行紋理填充，最終用主元分析法降維得到平均紋理模型和紋理參數；

S5.4將形狀參數和紋理參數進行加權組合，采用主元分析法降維得到融合參數，最終得到平均臉。

步驟S6所述線性判別特征臉方法，包括以下步驟：

S6.1對分析器傳來的平均臉與人臉類庫中的人臉類通過類間、類內最近鄰樣本算法，得到類間和類內差異的度量；

S6.2根據每個人臉類得到的類間和類內的差異，得到類間散布矩陣和類內散布矩陣；

S6.3根據步驟S6.2得到的類間散布矩陣和類內散布矩陣，利用Fisher鑒別準則得到最優鑒別矢量集；

S6.4將分析器傳來的平均臉向最優鑒別矢量集做投影，得到低維的特征數據；